سپنتا کتاب اکسپرس
کتاب مبانی علم داده و تحلیل داده‌های پیشرفته

کتاب مبانی علم داده و تحلیل داده‌های پیشرفته

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی علم داده و تحلیل داده‌های پیشرفته

موضوع کلی: علوم و مهندسی کامپیوتر

موضوع میانی: هوش مصنوعی و علم داده

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و تحلیل داده‌های پیشرفته
  • 2. مقدمه‌ای بر علم داده
  • 3. تاریخچه علم داده
  • 4. نقش علم داده در دنیای امروز
  • 5. اخلاق در علم داده
  • 6. انواع داده‌ها و منابع داده
  • 7. جمع‌آوری و ذخیره‌سازی داده‌ها
  • 8. مراحل فرآیند علم داده
  • 9. پیش‌پردازش داده‌ها: پاکسازی داده‌ها
  • 10. پیش‌پردازش داده‌ها: مدیریت داده‌های گمشده
  • 11. پیش‌پردازش داده‌ها: تبدیل داده‌ها
  • 12. پیش‌پردازش داده‌ها: نرمال‌سازی و استانداردسازی
  • 13. پیش‌پردازش داده‌ها: مهندسی ویژگی
  • 14. کاوش داده‌ها و تحلیل اکتشافی (EDA)
  • 15. مصورسازی داده‌ها: اصول و تکنیک‌ها
  • 16. مصورسازی داده‌ها: نمودارهای رایج
  • 17. مصورسازی داده‌ها: ابزارهای مصورسازی
  • 18. آمار توصیفی برای علم داده
  • 19. مفاهیم احتمال و توزیع‌ها
  • 20. آزمون فرض آماری
  • 21. رگرسیون خطی ساده
  • 22. رگرسیون خطی چندگانه
  • 23. ارزیابی مدل‌های رگرسیون
  • 24. مقدمه‌ای بر یادگیری ماشین
  • 25. انواع یادگیری ماشین: نظارت شده
  • 26. انواع یادگیری ماشین: بدون نظارت
  • 27. انواع یادگیری ماشین: تقویتی
  • 28. طبقه‌بندی: الگوریتم‌های K-نزدیک‌ترین همسایه (KNN)
  • 29. طبقه‌بندی: درختان تصمیم
  • 30. طبقه‌بندی: ماشین‌های بردار پشتیبان (SVM)
  • 31. طبقه‌بندی: رگرسیون لجستیک
  • 32. طبقه‌بندی: بیز ساده
  • 33. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازخوانی
  • 34. ارزیابی مدل‌های طبقه‌بندی: امتیاز F1 و منحنی ROC
  • 35. خوشه‌بندی: الگوریتم K-Means
  • 36. خوشه‌بندی: خوشه‌بندی سلسله مراتبی
  • 37. خوشه‌بندی: معیارهای ارزیابی خوشه‌بندی
  • 38. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 39. کاهش ابعاد: تحلیل تشخیص خطی (LDA)
  • 40. مقدمه‌ای بر یادگیری عمیق
  • 41. شبکه‌های عصبی مصنوعی
  • 42. شبکه‌های عصبی کانولوشنی (CNN)
  • 43. شبکه‌های عصبی بازگشتی (RNN)
  • 44. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی (NLP)
  • 45. کاربرد شبکه‌های عصبی در بینایی ماشین
  • 46. یادگیری تقویتی: مفاهیم پایه
  • 47. یادگیری تقویتی: الگوریتم‌های Q-Learning
  • 48. یادگیری تقویتی: Deep Q-Networks (DQN)
  • 49. سیستم‌های توصیه‌گر: مبانی
  • 50. سیستم‌های توصیه‌گر: فیلترینگ مشارکتی
  • 51. سیستم‌های توصیه‌گر: فیلترینگ مبتنی بر محتوا
  • 52. سیستم‌های توصیه‌گر: رویکردهای ترکیبی
  • 53. پردازش زبان طبیعی (NLP): تحلیل احساسات
  • 54. پردازش زبان طبیعی (NLP): مدل‌سازی موضوع
  • 55. پردازش زبان طبیعی (NLP): ترجمه ماشینی
  • 56. پردازش زبان طبیعی (NLP): تشخیص موجودیت نام‌گذاری شده (NER)
  • 57. علم داده در حوزه سلامت
  • 58. علم داده در حوزه مالی
  • 59. علم داده در حوزه بازاریابی
  • 60. علم داده در حوزه حمل و نقل
  • 61. علم داده در حوزه انرژی
  • 62. علم داده در حوزه کشاورزی
  • 63. علم داده در حوزه آموزش
  • 64. علم داده در حوزه حکمرانی و خدمات عمومی
  • 65. کلان داده (Big Data): مفاهیم و چالش‌ها
  • 66. معماری سیستم‌های کلان داده
  • 67. ابزارهای پردازش کلان داده: Hadoop
  • 68. ابزارهای پردازش کلان داده: Spark
  • 69. قواعد انجمنی (Association Rules): الگوریتم Apriori
  • 70. قواعد انجمنی: کاربردها
  • 71. سری‌های زمانی: مقدمات
  • 72. سری‌های زمانی: مدل‌های ARIMA
  • 73. سری‌های زمانی: پیش‌بینی
  • 74. پردازش تصویر: فیلترینگ و تشخیص لبه
  • 75. پردازش تصویر: استخراج ویژگی
  • 76. پردازش تصویر: قطعه‌بندی تصویر
  • 77. شبکه‌های عصبی گراف (GNN)
  • 78. یادگیری انتقالی (Transfer Learning)
  • 79. یادگیری فدرال (Federated Learning)
  • 80. هوش مصنوعی قابل توضیح (XAI)
  • 81. امنیت در علم داده
  • 82. حریم خصوصی در علم داده
  • 83. انتقال داده‌ها و ETL
  • 84. کیفیت داده‌ها و ارزیابی آن
  • 85. نظارت بر مدل‌های یادگیری ماشین
  • 86. استقرار مدل‌های یادگیری ماشین
  • 87. مدیریت چرخه عمر مدل‌های یادگیری ماشین
  • 88. مقدمه‌ای بر یادگیری آماری
  • 89. مفاهیم بایاس و واریانس
  • 90. اعتبارسنجی متقابل (Cross-Validation)
  • 91. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 92. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 93. یادگیری خودنظارت (Self-supervised Learning)
  • 94. شبکه‌های مولد تخاصمی (GANs)
  • 95. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 96. کاربردهای پیشرفته علم داده
  • 97. آینده علم داده و هوش مصنوعی
  • 98. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
  • 99. مدل‌سازی پیش‌بینانه در کسب و کار
  • 100. تحلیل پیش‌بینانه در بخش دولتی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.